Por que a Classificação de Qualidade do Arroz Importa para sua Mina
O custo do arroz defeituoso nos mercados globais
O arroz é uma commodity negociada sob padrões de classificação rigorosos. Segundo o padrão GB/T 1354 da China, a quantidade de grão amarelo acima de 0,5% no arroz branco de primeira qualidade desencadeia uma desclassificação para a segunda qualidade;sob o Código Alimentar (CXS 198-1995), limites semelhantes se aplicam ao comércio internacional. Um ponto percentual de grãos defeituosos - grãos amarelos, grãos cinzento ou material estranho - pode reduzir uma remessa de Grau 1 para Grau 2, reduzindo o preço de mercado em 3-8%. Para uma fábrica que processa 100 toneladas de arroz branco por dia, uma taxa de defeito de 2% significa 2 toneladas de produto degradado diariamente. A um prêmio médio de Grau 1 de 40/tonelada sobre Grau 2, isso se traduz em total de 40/tonoverGrade2,que traduz completamente80/dia ou $29,200/ano em receita perdida.
Além das penalidades de preço, o arroz defeituoso provoca rejeições alfandegárias, disputas de contratos com compradores e dano da marca em mercados premium como o Japão, a UE e o Oriente Médio. Em 2023, vários exportadores da Ásia do Sudeste enfrentaram devoluções de remessas devido ao excesso de grãos amarelos e contaminação por vidro - incidentes que custaram a exportadores individuais entre 50.000 e 50.000e200.000 por evento.
Classificação manual versus classificação automática: uma comparação de dados
Métrico | Classificação manual (8 trabalhadores) | Classificador de cor automático |
|---|---|---|
Taxa de Tráfego | 0,5–1 T/H | 3–10 T/H por máquina |
Taxa de detecção de defeitos | 70–85% | ≥99.99% |
Consistência | Varia conforme a fadiga, iluminação | Consistente 24/7 |
Custo da força de trabalho (anual) | 28.800–28.800–48.000 | — |
Custo operacional da máquina (anual) | — | 3.000–3.000–8.000 |
Taxa de falso positivo | 5–15% | <0,5% |
Capacidade de turno noturno | Requer equipe adicional | Mesma performance |
Classificação manual depende dos olhos humanos sob iluminação consistente e o desempenho degrada após 2-3 horas de trabalho contínuo. A classificação óptica automatizada mantém a mesma precisão de deteção em todos os turnos, lidando com ≥99.99% dos defeitos de cor e material estranho com uma taxa de transbordo abaixo de 1:2 (razão bom-ruim na corrente de rejeição).
Como funciona um classificador de cor de arroz?
Processo de classificação óptica em 5 etapas
Alimentação: O arroz cru entra no funil e é distribuído uniformemente pelos canais de classificação por meio de um alimentador vibratório. O alimentador controla a espessura do material para garantir uma camada de grão única—grãos sobrepostos obstruem a visão óptica e reduzem a precisão.
Inspeção óptica: À medida que cada grão passa pela zona de inspeção a 3–5 m/s, câmeras de alta resolução (CCD ou CMOS) capturam várias imagens por grão. Espectroscopia RGB identifica desvios de cor, enquanto sensores de infravermelho próximo (NIR) detectam defeitos estruturais invisíveis à luz visível, como grãos danificados internamente e certos plásticos.
Processamento de imagem e decisão: As imagens capturadas são analisadas pelo processador em menos de 0.5 milissegundos. O sistema compara cada grão contra um modelo de arroz aceitável. Desvios além do limiar definido são marcados para rejeição.
Ejeção: Para cada grão sinalizado, a válvula solenóide correspondente no banco de ejetores dispara um pulso preciso de ar comprimido (0,4–0,6 MPa, duração de 0,5–1,0 ms). O jato de ar desvia o grão defeituoso para a saída de rejeito enquanto os grãos aceitáveis continuam seu caminho.
Coleta: O arroz classificado é coletado na saída de aceitação; o material rejeitado cai na lixeira de rejeitos. Muitas máquinas oferecem uma classificação secundária ou terciária, reprocessando o fluxo de rejeitos para recuperar quaisquer grãos bons puxados durante a primeira passagem (reduzindo a transferência).
Sensores CCD vs. CMOS: qual é a diferença?
Característica | Sensores CCD | Sensores CMOS |
|---|---|---|
Qualidade de imagem | Mais uniformidade, menos ruído | Melhorado nas gerações recentes |
Velocidade | Taxa de quadros moderada | Taxa de quadros alta |
Consumo de energia | Maior | Menor |
Custo | Maior por unidade | Menor por unidade |
Desempenho em baixa luz | Melhor sensibilidade | Adequado para a maioria das classificação |
Status atual da indústria | Usado amplamente na classificação de grãos | Atingindo adesão, especialmente em sistemas impulsionados por IA |
Ambos os tipos de sensores são usados em classificadores de cor de arroz modernos. Os sensores CCD tradicionalmente ofereceram uma uniformidade de imagem superior e sensibilidade a baixa luz, tornando-se o padrão na classificação de grãos por anos. Os sensores CMOS fecharam a lacuna na qualidade de imagem enquanto ofereciam velocidades de leitura mais rápidas e consumo de energia mais baixo - uma vantagem ao processar grandes volumes em alta velocidade. A escolha do sensor importa menos do que o design geral do sistema óptico: qualidade do lente, configuração de iluminação e o algoritmo de processamento trabalhando juntos determinam o desempenho de classificação.
Espectroscopia RGB e tecnologia near-infrared explicada
Câmeras RGB detectam as diferenças de cor no espetro visível (380–700 nm). Elas identificam grãos amarelos, arroz cinzento e material estranho colorido eficazmente. No entanto, o RGB sozinho não pode distinguir certos defeitos: pedaços de vidro, plásticos transparentes e grãos danificados internamente muitas vezes parecem idênticos ao arroz normal sob luz visível.
Espectroscopia infravermelha próxima (NIR) estende a detecção para a faixa de 700–2500 nm. Materiais diferentes absorvem e refletem luz NIR em comprimentos de onda distintos. Uma semente com dano fúngico interno mostra um perfil de absorção NIR diferente de uma semente saudável, mesmo que ambas pareçam idênticas na luz visível. NIR também detecta vidro e plástico transparente que câmeras RGB perdem.
Combinando RGB e NIR em um sistema de duplo espectro, proporciona maior cobertura de defeitos. O JIACUIsolução de classificação de cor de grãouse essa abordagem de duplo espectro para detectar ambos os defeitos visíveis e invisíveis em uma única passagem.
Qual configuração do classificador de arroz se adapta à sua capacidade de produção? →Obtenha uma Recomendação Personalizada(formulário de consulta)
Classificadores de Cor de Arroz de Tipo Chute vs. Tipo Faixa
Como funcionam os classificadores de tipo chuto
Em um classificador de tipo de grade, os grãos de arroz deslizam por um canal inclinado (grade) sob a força da gravidade. A grade se estreita em um fluxo de fileira única na parte inferior, onde se localiza a zona de inspeção óptica. Após a inspeção, os grãos defeituosos são ejetados por bicos de ar posicionados logo abaixo das câmeras.
O designe de tipo de chut é a configuração mais comum para a classificação de arroz em todo o mundo. O mecanismo alimentado por gravidade é simples, não requer manutenção de cinta e lida bem com grãos pequenos e livres de fluxo. A disposição compacta do canal permite uma densidade de canal mais alta - até 640 canais em uma única máquina - tornando os separadores de chutes a escolha preferida para moinhos de arroz de alta capacidade.
Características principais:
Contagem de canais mais alta por máquina (até 640)
Manutenção mais baixa (nenhum cinto para substituir ou esticar)
Adequado para arroz branco, arroz cozido a vapor e a maioria das variedades longas
Capacidade de produção: 1–10+ T/H dependendo da contagem de canais
Como funcionam os separadores de tipo de correia
Em um classificador de tipo faixa, os grãos de arroz são distribuídos em uma camada fina em uma faixa transportadora que os leva pela zona de inspeção. Câmeras estão posicionadas acima (e, às vezes, abaixo) da faixa. Quando um grão defeituoso é detectado, ejetores posicionados no final da faixa sopram-o da trajetória.
Classificadores de tipo faixa lidam melhor com materiais maiores, irregulares ou frágeis do que sistemas de grade. O transporte suave pela faixa reduz a quebra de grãos - um fator a considerar para variedades premium como jasmin e basmati, onde pontas quebradas reduzem o valor de mercado. Classificadores de faixa também se saem bem com materiais pegajosos ou úmidos que tendem a entupir as grades.
Características principais:
Manuseio mais suave (menos quebra
Melhor para materiais adesivos, úmidos ou irregulares
Densidade de canais mais baixa por máquina
Requer substituição periódica da correia e ajuste de tensão
Taxa de saída: 1–6 T/H típica
Comparação entre Chute-Type e Belt-Type
Característica | Chute-Type | Belt-Type |
|---|---|---|
Melhor para | Arroz branco, arroz cozido, maioria das variedades | Jasmine, basmati, arroz adesivo, grãos frágeis |
Densidade do canal | Alto (até 640) | Moderado (até 256 típico) |
Saída por máquina | 1–10+ T/H | 1–6 T/H |
Rachaduras de grão | Leve (deslizamento de gravidade) | Mínima (cinta suave) |
Manutenção | Baixo (sem cintas) | Alto (substituição da cinta a cada 1–2 anos) |
Manuseio de material adesivo | Pode entupir | Manuseia bem |
Custo inicial | Moderado | Moderado a alto |
Pé de impressão | Compacto | Maior |
Para a maioria das fábricas de arroz processando arroz branco de grão longo padrão,chute-type cor sortersoferecer o melhor equilíbrio de capacidade, simplicidade de manutenção e custo. Separadores de tipo de faixa valem a pena considerar ao processar variedades premium frágeis ou arroz cozido a vapor com umidade residual.
Classificação Moderna de Arroz com IA e Aprendizado Profundo
Como algoritmos de IA melhoram a precisão da classificação
Classificadores de cor tradicionais usam algoritmos de limiar fixo: se o valor de cor de uma grão exceder um parâmetro definido, é rejeitado. Este método funciona para defeitos claros, mas tem dificuldade com variações sutis - grãos amarelos claros perto do limiar, grãos parcialmente alcalinos, ou defeitos que variam na aparência ao longo das lotes de arroz.
Modelos de aprendizado profundo treinados em grandes conjuntos de dados de imagens de arroz (aceitáveis e defeituosos) aprendem a reconhecer padrões de defeitos em vez de depender de limites fixos. Uma rede neural convolucional (CNN) processa cada imagem de grão através de várias camadas de extração de características, identificando características visuais que distinguem grãos defeituosos dos aceitáveis com maior precisão.
O impacto prático: os separadores baseados em IA reduzem falsos positivos (grãos bons rejeitados incorretamente) em 30-50% em comparação com sistemas baseados em limiar, o que diretamente reduz o transbordo e a perda de produto. Eles também detectam defeitos que caem entre os limiares fixos dos sistemas tradicionais.
Após testar mais de 2.000 amostras de arroz de 12 variedades da Ásia Oriental, identificamos três desafios comuns de classificação que sistemas CCD padrão não detectam: (1) grãos amarelados leves em lotes de arroz cozido a vapor onde a mudança de cor é sutil, (2) grãos parcialmente alcalinos onde apenas uma região do grão é afetada e (3) fragmentos de vidro que combinam com a superfície do arroz à luz visível. A classificação baseada em IA resolve todos os três aprendendo o contexto visual completo de cada defeito em vez de comparar um único métrico de cor com um limiar.
Aprendizado Automático: treinando seu classificador para arroz especial
Classificadores de IA modernos incluem uma função de aprendizado automático. Quando um operador revisa o fluxo rejeitado e encontra grãos mal classificados, esses grãos podem ser re-scanneados e adicionados ao conjunto de dados de treinamento. Ao longo do tempo, o modelo se adapta à variedade específica de arroz, condições de crescimento e perfil de defeitos de cada moinho.
Isso é particularmente útil para variedades especiais de arroz - jasmin, basmati e arroz glutinoso - onde o perfil de cor "aceitável" difere do arroz branco padrão. Uma moenda de arroz jasmin pode treinar o classificador para distinguir a cor natural do grão aromático dos defeitos amarelados específicos daquela variedade, reduzindo rejeições falsas sem ajustes manuais de limiar.
O que um classificador de cor de arroz pode detectar?
Tipo de Defeito | Método de Detecção | Capacidade de Detecção |
|---|---|---|
Grãos amarelados (descolorados) | RGB + NIR | Excelente |
Arroz em pó | RGB | Bom a excelente |
Picos quebrados / grãos parciais | RGB + análise de forma | Boa |
Cascalhos de vidro | NIR + RGB (espectro duplo) | Bom a excelente |
Plástico (colorido) | RGB | Excelente |
Plástico (claro/transparente) | NIR | Boa |
Pedras / grãos | RGB + análise de forma | Excelente |
Sementes estrangeiras | RGB + análise de forma | Excelente |
Grãos danificados por insetos | RGB + NIR | Boa |
Arroz vermelho (no arroz branco) | RGB | Excelente |
Arroz de grão inteiro (sem casca) | RGB + forma | Excelente |
Mofa / dano fúngico | NIR | Bom a excelente |
Fezes de rato | RGB + forma | Excelente |
Fragmentos de metal | RGB + NIR | Boa |
Nenhuma tecnologia de separação pode lidar igualmente bem com todos os tipos de defeitos. Sistemas RGB apenas detectam eficazmente defeitos visíveis de cor, mas perdem contaminantes transparentes como vidro e plástico transparente. Sistemas de espectro duplo (RGB + NIR) fecham essa lacuna, mas mesmo assim têm limitações: fragmentos de vidro muito pequenos (menores de 1 mm) e certos contaminantes orgânicos ainda podem passar. Para remoção completa de materiais estranhos, um classificador de cor deve fazer parte de uma linha de limpeza que inclui separadores de gravidade e destoners.
Como Escolher o Separador de Cor de Arroz Certo para sua Moinho
Ajuste da capacidade para a sua capacidade de produção
Escolhendo um classificador começa com entender seu throughput diário. Especificar em excesso leva a despesas de capital desnecessárias.especificar insuficientemente cria gargalos. A tabela a seguir mapeia a produção diária para contagens recomendadas de canais e modelos JIACUI.
Produção Diária | Taxa por Hora (turno de 8h) | Canais Recomendados | Modelo JIACUI | Faixa de Capacidade de Tráfego |
|---|---|---|---|---|
8–24 toneladas | 1–3 T/H | 128–256 | 1–3 T/H | |
24–48 toneladas | 3–6 T/H | 320–384 | 3–6 T/H | |
48–80 toneladas | 6–10 T/H | 448–640 | 6–10 T/H | |
80+ toneladas | 10+ T/H | 640+ | 10+ T/H |
Se sua moenda funcionar em várias turnos ou processar várias variedades de arroz, considere uma máquina com 20-30% mais capacidade do que sua capacidade média atual. Isso fornece espaço para aumentos na produção sem a necessidade de um segundo classificador.
Entendendo o número de canais: 256 vs. 384 vs. 512 vs. 640
Cada canal de classificação é uma faixa óptica independente com sua própria vista de câmera e válvulas de ejeção. Mais canais significam:
Altura de throughput (mais grãos processados por segundo)
Resolução mais fina por canal (fluxo de material mais fino, menos sobreposição)
Custo de hardware maior (mais câmeras, válvulas e placas de processamento)
Para pequenas fábricas (1-3 T/H), 128-256 canais fornecem capacidade suficiente. Fábricas médias (3-6 T/H) beneficiam-se de 320-384 canais, que lidam com o volume sem sobrecarregar excessivamente cada canal. Fábricas grandes (6-10 T/H) precisam de 448-640 canais para manter a precisão de classificação em alta capacidade de produção — menos canais nesses volumes significaria camadas mais grossas de material por canal, aumentando a chance de defeitos perdidos.
O principal compromisso: além de 512 canais, as gananças de capacidade diminuem enquanto o custo do equipamento aumenta. Uma máquina de 640 canais como a CS-10C custa mais que uma unidade de 512 canais, mas a diferença é justificada quando a capacidade diária excede 80 toneladas ou quando é necessária uma sobra extremamente baixa para mercados premium.
Especificações-chave a avaliar
Ao comparar classificadores de cores de arroz, destaque por essas especificações:
Precisão de classificação: Estabelecido como ≥99.99% para máquinas de qualidade. Verifique se isso foi medido sob condições padrão (tamanho definido do grão, teor de umidade e taxa de defeitos), não condições de laboratório idealizadas.
Taxa de transbordo (razão de rejeição): A relação de grãos bons no fluxo de rejeitos em relação ao material rejeitado total. Uma sobra de 1:2 significa que, por cada 2 grãos defeituosos rejeitados, 1 grão bom é incorrectamente removido. Menor sobra = menor perda de produto. Alvo: <1:3 para modo de triagem única.
Capacidade de capacidade de processamento: Medido em T/H em um nível de precisão definido. Maior capacidade de throughput com a mesma precisão é melhor. Preste atenção em especificações que citam a capacidade máxima de throughput com configurações de precisão relaxada.
Resolução: Resolução da câmera por canal. Maior resolução detecta defeitos menores. Procure por uma área de defeito detectável mínima de 0.04–0.08 mm².
Número de passagens de classificação: Máquinas de classificação única processam arroz uma vez; as máquinas de classificação dupla incluem uma segunda inspeção e estágio de ejeção para o fluxo rejeitado, recuperando grãos bons. A classificação dupla reduz significativamente o carryover.
Frequência da válvula ejetora: Medido em Hz. Valvulas de frequência mais alta podem expulsar mais precisamente, especialmente em altas taxas de saída. 500–1000 Hz é típico para separadores modernos.
Faixa de ambiente operacional: Tolerância de temperatura e umidade. As usinas de arroz nas regiões tropicais precisam de máquinas classificadas para 0–45°C e até 95% de umidade relativa.
Requisitos de ar comprimido: o que sua instalação precisa
Cada separador de cor de arroz baseado em ejeção requer um suprimento de ar comprimido. O sistema de ar é frequentemente negligenciado durante a planificação, mas afeta diretamente o desempenho da classificação e o custo operacional.
Consumo de ar por tamanho da máquina:
Tamanho da máquina | Canais | Consumo de ar (m³/min) | Compressores recomendados |
|---|---|---|---|
Pequeno (CS-4C/5A) | 128–256 | 1.5–3.0 | 3.5–5.5 kW compressor de espiral |
Médio (CS-6C/6A) | 320–384 | 3.0–5.0 | 7.5–11 kW compressor de espiral |
Grande (CS-8C/10C) | 448–640 | 5,0–8,0 | 15–18,5 kW compressor de espiral |
Extra grande (CS-12C) | 640+ | 7,0–10,0 | 18,5–22 kW compressor de espiral |
Especificações principais do sistema de ar
Pressão: 0,4–0,6 MPa (manutenção na entrada da máquina; a queda de pressão abaixo de 0,4 MPa degrada a precisão de ejeção)
Qualidade do ar: Livre de óleo, livre de umidade. Instale um secador refrigerado e um filtro de remoção de óleo. A umidade nas linhas de ar causa corrosão de válvulas e ejeção inconstante.
Piping: Use stainless steel or aluminum piping with a minimum internal diameter matching the machine inlet. Avoid long, narrow hose runs that cause pressure drops. Install a buffer tank (200–500 L depending on machine size) within 5 meters of the sorter to maintain stable pressure during peak ejection bursts.
Custo de energia: Em 0,08/kWh, um compressor de 15 kW em funcionamento durante 16 horas por dia custa aproximadamente 0,08/kWh,a15kWcompressorfuncionando16horas/por dia custa aproximadamente1,92/dia ou $700/ano em eletricidade.
Veja como o CS-10C lida com a classificação de arroz 10 T/H →Visualize as Especificações Técnicas
Análise de Preço e ROI do Classificador de Cor do Arroz
Faixas de preço por nível de capacidade
Nível de Capacidade | Canais | Faixa de Preço (USD) | Modelos típicos |
|---|---|---|---|
Pequeno (1–3 T/H) | 128–256 | 8,000–8,000–15,000 | CS-4C, CS-5A |
Médio (3–6 T/H) | 320–384 | 15,000–15,000–28,000 | CS-5C, CS-6C, CS-6A |
Grande (6–10 T/H) | 448–640 | 28,000–28,000–45,000 | CS-7C, CS-8C |
Extra grande (10+ T/H) | 640+ | 40,000–40,000–50,000+ | CS-10C, CS-12C |
Os preços variam dependendo da configuração do sensor (CCD vs. CMOS, espectral simples vs. duplo), número de passos de classificação, capacidade de processamento de IA e acessórios incluídos (compressor de ar, kit de peças de reposição). O frete, as taxas de importação e os custos de instalação adicionam 10–25% ao preço do equipamento dependendo da localização.
Cálculo de ROI: um exemplo real mundo
Cenário: Usina de arroz de tamanho médio na Ásia Oriental processando 100 toneladas de arroz branco por dia (único turno de 10 horas), 300 dias de trabalho por ano, taxa de defeitos incoming de 5%.
Item de Custo/Benefício | Sem classificador | Com classificador CS-8C | Diferença anual |
|---|---|---|---|
Investimento inicial | — | $35,000 | -$35,000 (em uma única vez) |
Custo de mão de obra | 36,000/ano(6trabalhadores×36,000/ano(6trabalhadores×500/mês) | R$6,000/ano (1 operador) | +R$30,000 |
Custo operacional da máquina | — | R$5,200/ano | -R$5,200 |
Manutenção da máquina | — | R$1,500/ano | -R$1,500 |
Recovery de produto(carryover reduzido) | ~2% boa arroz perdida no rejeitado | ~0,5% boa arroz perdida | +$360,000 |
Prêmio de categoria(Categoria 2 → Categoria 1 com volume melhorado) | Preço da Categoria 2 ($760/ton) | Preço da Categoria 1 ($800/ton) | +$48,000 |
Benefício anual total | +$431,300 | ||
Benefício líquido (Ano 1) | +$396,300 | ||
Prazo de payback | 2–6 meses(varia conforme o tamanho da fábrica e o perfil de defeitos) |
Base de cálculo:800/toneladaGrade1arrozbranco;800/toneladaGrade1arrozbranco;760/ton Grau 2; 300 dias úteis/ano; 100 T/dia; taxa de defeito de 5% antes da classificação.
Cálculo de recuperação de produto: (2% − 0,5%) × 100 T/dia × 800/ton×300dias=∗∗800/ton×300dias=∗∗360,000/ano**. Isso reflete o arroz adicional comercialmente recuperável da corrente rejeitada - arroz que anteriormente era vendido a preços de ração animal ou descartado completamente. As taxas de transbordo reais variam: as usinas com classificação manual tipicamente perdem 2–5% de arroz bom no rejeito, enquanto os separadores ópticos reduzem isso para 0,3–0,8%. As economias na recuperação de produtos variam de aproximadamente 150,000 a mais de 150,000toover1.000.000 anualmente, dependendo da taxa de carryover de base, gravidade do defeito e grau do arroz.
Cálculo do prêmio de grau: Melhor remoção de defeitos aumenta a porcentagem de arroz que atinge os padrões de Grau 1. Para esse cenário, o volume adicional de Grau 1 gera aproximadamente 48,000/premios de preço/ano (48,000/anoempreçoacrescido(40/ton × ~4 T/dia × 300 dias).
O fator mais significativo para o Retorno sobre Investimento (ROI) é a recuperação de produtos. A classificação manual perde 2-5% de arroz bom no fluxo de rejeitos — arroz que é vendido a preços de ração animal ou descartado completamente. Um classificador óptico com uma taxa de transbordo abaixo de 1:3 reduz essa perda para menos de 0,5%. Mesmo com estimativas conservadoras (melhoria na recuperação de 1-2%), as economias anuais significativamente superam o custo da máquina dentro do primeiro ano, com períodos de payback tipicamente variando de 2 a 6 meses dependendo do tamanho da fábrica, perfil de defeitos e preços locais do arroz.
Custos operacionais: eletricidade, consumo de ar e manutenção
Categoria de custo | Pequeno (CS-4C) | Médio (CS-6C) | Grande (CS-8C) |
|---|---|---|---|
Eletricidade (kW) | 1.5–2.5 | 2.5–4.0 | 4,0–6,0 |
Custo diário de eletricidade ($0,08/kWh, 10h) | 1,20–1,20–2,00 | 2,00–2,00–3,20 | 3,20–3,20–4,80 |
Energia de ar comprimido (kW) | 3.5 | 7.5 | 15 |
Custo diário de energia do ar | $2,80 | $6,00 | $12,00 |
Manutenção anual (peças + serviço) | 800–800–1,200 | 1,200–1,200–1,800 | 1,500–1,500–2,500 |
Custo operacional anual total | 2,800–2,800–3,800 | 4,500–4,500–6,100 | 7,800–7,800–11,300 |
Esses custos são significativamente menores do que o trabalho manual de classificação para o mesmo throughput. Um classificador pequeno substituindo 4 classificadores manuais economiza sozinho em mão de obra 15.000 a 20.000 por ano, com custos operacionais de menos de $4.000.
Guia de Manutenção do Separador de Cor de Arroz
Lista de verificação de manutenção diária
Tarefa | Frequência | Tempo necessário |
|---|---|---|
Limpar vidros das janelas sobre as câmeras | Diariamente (a cada 8 horas) | 5 minutos |
Limpar pó do alimentador vibratório | Diariamente | 3 minutos |
Inspeccionar obstruções na boca de ejeção | Diariamente | 5 minutos |
Verifique a pressão do ar comprimido (0,4–0,6 MPa) | Diariamente | 1 minuto |
Limpe a saída de rejeitos | Diariamente | 2 minutos |
Verifique a precisão da classificação com amostra de teste | Diariamente (início de turno) | 10 minutos |
Esvazie o recipiente de coleta de poeira | Diariamente | 2 minutos |
Manutenção diária total: aproximadamente 30 minutos. A maioria das tarefas requer apenas um pano isento de fiapos, pistola de ar comprimido e uma pequena esponja. As janelas de vidro são o item mais crítico — poeira ou resíduos no vidro reduzem a visibilidade da câmera e a precisão de classificação.
Manutenção comum e soluções
Problema | Causa provável | Solução |
|---|---|---|
Precisão de classificação cai | Janela de vidro suja ou arranhada | Limpe o vidro; substitua se arranhado |
Alto carryover (arroz bom no rejeitado) | Sensibilidade configurada muito alta; pressão do ar baixa | Reduza a sensibilidade; verifique a pressão do ar ≥0,4 MPa |
Defeitos perdidos | Sensibilidade muito baixa; camada de material muito grossa | Aumente a sensibilidade; reduza a velocidade de avanço |
Válvulas de eje não se acendem | Obstrução da válvula ou falha elétrica | Limpe a válvula; verifique os fios; substitua a válvula se necessário |
Material entupido no tubo | Arroz úmido ou pegajoso; desalinhamento do tubo | Arroz seco antes da classificação; realinhar alimentador |
Pressão do ar inconstante | Compressores de ar subdimensionados; vazamento na linha | Verificar capacidade do compressores; inspecionar acoplamentos para vazamentos |
Rejeição falsa excessiva | Placa de fundo suja; inconsistência de iluminação | Placa de fundo limpa; verifique as luzes LED |
Máquina não iniciará | Problema de fornecimento de energia; fusível queimado | Verifique a conexão de energia; substitua o fusível |
Superaquecimento | Ventilação obstruída; alta temperatura ambiente | Filtros de ar limpos; melhorar a ventilação do ambiente |
Vibração anormal | Parafusos de montagem soltos; desequilíbrio do alimentador | Firmar os parafusos; ajustar o equilíbrio do alimentador |
Ciclo de vida de peças de reposição e consumíveis
Parte | Vida útil típica | Custo de substituição (aproximado) |
|---|---|---|
Válvula ejeitadora (solenóide) | 2–3 anos | 5–5–15 por válvula |
Fonte de luz LED | 30.000–50.000 horas | 50–50–150 por módulo |
Câmara/janela de vidro | 3–5 anos (o vidro pode precisar de substituição mais cedo se rachado) | 20–20–80 por janela |
Mola do alimentador vibratório | 1–2 anos | 10–10–30 |
Elemento do filtro de ar | 3–6 meses | 5–5–15 |
Borda de controle principal | 5–7 anos | 500–500–1.500 |
Cinto (apenas tipo cinto) | 1–2 anos | 100–100–300 |
Mantenha um estoque de peças de reposição cobrindo válvulas ejetoras, elementos de filtro de ar e janelas de vidro. Esses são os itens mais frequentemente substituídos e são baratos em comparação com o custo do tempo de inatividade.
Por que escolher os classificadores de cor de arroz JIACUI?
21 patentes e 20+ anos de inovação
Desde 2004, a JIACUI se dedicou exclusivamente à tecnologia de classificação óptica para grãos, sementes e materiais industriais. Com 21 patentes de pesquisa e desenvolvimento que cobrem o design do sistema óptico, algoritmos de controle de ejeção e reconhecimento de defeitos baseado em IA, a empresa construiu sua tecnologia do zero, em vez de licenciar sistemas de terceiros.
Duas bases de produção, em Zhengzhou e Hefei, lidam com manufatura, montagem e controle de qualidade. Cada máquina passa por um teste contínuo de pelo menos 72 horas com arroz real antes de ser enviada. Isso não é um teste de bancada com material simulado;é uma simulação de produção completa que verifica a precisão de classificação, acúmulo e estabilidade do sistema em condições de operação reais. A JIACUI participa regularmente de grandes feiras de processamento de grãos em toda a Ásia e África, onde demonstrações de classificação ao vivo permitem que os clientes potenciais verifiquem o desempenho da máquina com suas próprias amostras de arroz.
Linha de produtos: CS-4C a CS-12C
The JIACUIlinha de produtos de classificador de cor de arrozvaria de compacto CS-4C (128 canais, 1–3 T/H) para pequenas fábricas até ao CS-12C (640+ canais, 10+ T/H) para operações em grande escala. Todos os modelos possuem:
inspeção em espetro duplo RGB + NIR
Algoritmos de classificação de aprendizado profundo de IA
≥99,99% de precisão na classificação
Capacidade de classificação dupla (reclassificação secundária da corrente rejeitada)
Diagnóstico remoto e ajuste de parâmetros
Serviço e suporte global
Máquinas JIACUI operam em mais de 50 países, com uma concentração particular no Sudeste Asiático, sul da Ásia e África — regiões onde a processamento de arroz é uma indústria central. Suporte ao cliente inclui:
Diagnóstico remoto via conectividade de rede integrada
Troubleshooting guiado por vídeo para problemas comuns
Envio de peças de reposição dentro de 48 horas para itens padrão
Instalação no local e treinamento do operador (2–3 dias)
Serviço anual de calibração e inspeção
Todas as máquinas JIACUI possuem certificação CE e certificações ISO 9001/14001/45001, atendendo aos padrões internacionais de qualidade, ambiental e segurança no trabalho. Saiba maissobre os 20+ anos de experiência da JIACUI.
Perguntas Frequentes
1. Como funciona passo a passo um separador de cor de arroz?
Um separador de cor de arroz alimenta o arroz por meio de um alimentador vibratório em canais de classificação, onde câmeras de alta resolução inspeccionam cada grão. O sistema compara a cor, forma e assinatura espectral de cada grão com um padrão de referência. Grãos defeituosos são identificados em menos de 0,5 milissegundos e ejetados por um impulso preciso de ar comprimido proveniente de válvulas solenoides. Grãos aceitáveis continuam para a saída de aceitação;materiais rejeitados são encaminhados para o lixo. Muitas máquinas reordenam o fluxo rejeitado para recuperar grãos bons puxados durante a primeira passagem.
2. Qual é a diferença entre separadores de cor tipo bico e tipo cinta de arroz?
Classificadores de tipo de guia utilizam a gravidade para deslizar arroz pelos canais inclinados ao passado das câmeras e ejetores. Oferecem maior densidade de canal (até 640), manutenção mais baixa (sem correias) e são bem adequados para arroz branco e cozido a vapor. Classificadores de tipo de corrente utilizam uma faixa transportadora para levar arroz pela zona de inspeção. Tratam variedades frágeis ou pegajosas com maior gentileza e reduzem a quebra de grãos, mas têm menor densidade de canal e requerem substituição periódica de correntes. Para a maioria das fábricas de arroz, os classificadores de tipo de guia oferecem o melhor equilíbrio de capacidade e custo.
3. Quanto custa uma máquina classificadora de cores de arroz?
Os preços variam aproximadamente de 8,000 por máquinas pequenas (128-256 canais, 1-3T/H) a 8,000por máquinas pequenas(128-256canais,1-3T/H)para50,000+ para modelos grandes de alta capacidade (640+ canais, 10+ T/H). Máquinas de capacidade média (320–384 canais, 3–6 T/H) geralmente custam de 15,000 a 28,000. O preço final depende da configuração do sensor, da capacidade de processamento de IA, do número de passos de classificação e do transporte/instalação.Solicite uma cotação específica de configuração da JIACUIespecífica para suas necessidades.
4. Qual é o ROI de um separador de cor de arroz para uma usina de arroz?
Para uma usina de tamanho médio processando 100 toneladas/dia, o prazo de recuperação é geralmente de 2 a 6 meses. Os principais motores do ROI são: (1) economia de mão de obra ao substituir 6 a 8 classificadores manuais por uma máquina, (2) melhoria na recuperação de produtos ao reduzir o carryover de 3 a 8% para menos de 0,5%, e (3) melhorias de qualidade ao melhorar as taxas de remoção de defeitos. Mesmo com estimativas conservadoras, economias anuais de 50.000 a 50.000 a 200.000 são comuns, tornando o investimento auto-sustentável dentro do primeiro ano.
5. Como escolher a capacidade correta (canais) para minha usina de arroz?
Alinhe a sua taxa de vazão horária: 1–3 T/H necessita de 128–256 canais (CS-4C/CS-5A); 3–6 T/H necessita de 320–384 canais (CS-5C/CS-6C); 6–10 T/H necessita de 448–640 canais (CS-7C/CS-8C);10+ T/H necessita de 640+ canais (CS-10C/CS-12C). Adicione 20–30% de margem de capacidade se planejar aumentar a produção ou processar várias variedades de arroz.
6. Quais são os defeitos comuns que um classificador de cor de arroz pode detectar?
Classificadores de cor de arroz detectam grãos amarelos, arroz alcalino, pontas quebradas, arroz vermelho, arroz de grão inteiro (não descascado), fragmentos de vidro, plástico (colorido e transparente via NIR), pedras, sementes estrangeiras, grãos danificados por insetos, danos por mofo/fungo e fragmentos de metal. Câmeras RGB lidam com defeitos visíveis;Sensores NIR ampliam a detecção de contaminantes transparentes e danos internos invisíveis aos olhos humanos.
7. Como manter a máquina de classificador de cor de arroz?
Manutenção diária requer cerca de 30 minutos: limpe as janelas de vidro da câmera, remova a poeira do alimentador, verifique as mangueiras dos ejetores, verifique a pressão do ar (0,4–0,6 MPa) e teste a precisão de classificação. As tarefas semanais incluem inspeccionar os filtros de ar e limpar a placa de fundo. As tarefas mensais envolvem verificar os tempos de resposta das válvulas, calibrar as câmeras e verificar todas as fontes de luz LED. Mantenha válvulas ejetoras de reserva, filtros de ar e janelas de vidro à mão—esses são os componentes mais comumente substituídos.
8. Qual sistema de ar comprimido é necessário para um separador de cores de arroz?
Classificadores de cor de arroz requerem ar comprimido limpo, seco e livre de óleo a 0,4-0,6 MPa. O consumo de ar varia de 1,5 m³/min para máquinas pequenas a 10 m³/min para modelos extragrandes. Use um compressor de espiral dimensionado 20% acima do consumo nominal da máquina, com um secador refrigerado e filtro de remoção de óleo. Instale um tanque de buffer (200-500 L) a até 5 metros do classificador. Tubulação de aço inoxidável ou alumínio é preferida para minimizar corrosão e perda de pressão.
9. Qual é a diferença entre sensores CCD e CMOS em separadores de cores?
Os sensores CCD fornecem maior uniformidade de imagem e melhor sensibilidade em baixa luz, tornando-se a escolha tradicional para classificação de grãos. Os sensores CMOS oferecem velocidades de leitura mais rápidas, consumo de energia mais baixo e fecharam a lacuna na qualidade de imagem nas gerações recentes. Ambos são eficazes para a classificação de arroz;o tipo do sensor importa menos que o design geral do sistema (lentes, iluminação, algoritmos de processamento). O CMOS é cada vez mais usado em separadores controlados por IA onde taxas de quadros mais rápidas suportam inferência de aprendizado profundo em tempo real.
10. Pode um separador de cores de arroz lidar com diferentes variedades de arroz (jasmin, basmati, cozido?)?
Sim. Modernos classificadores baseados em IA podem ser treinados para variedades específicas de arroz com diferentes perfis de cor e padrões de defeitos. O arroz jasmin tem uma cor translúcida, levemente amarelada, que os limites padrão de arroz branco poderiam sinalizar incorretamente. O arroz basmati tem uma forma mais longa e mais fina, exigindo diferentes parâmetros de análise de forma. O arroz cozido tem uma cor amarelada e umidade residual que pode causar aderência nos tubos - os classificadores de tipo faixa podem ter melhor desempenho. O arroz glutinoso é branco opaco e mais propenso a defeitos cálcicos. A função de aprendizado automático dos classificadores JIACUI permite que os operadores treinem o modelo para cada variedade scanneando lotes de amostra, garantindo classificação precisa sem ajuste manual de limiar.
Pronto para reduzir o carryover e melhorar a qualidade do arroz? →Solicite um teste de classificação com suas amostras.
Equipe de Engenharia JIACUI, Engenheiros Sêniores de Classificação em JIACUI com 20+ anos em tecnologia de classificação óptica. Supervisionou instalações de linhas de classificação para 200+ processadores de arroz em toda a Ásia do Sudeste e África. A JIACUI detém 21 patentes de P&D e atende clientes em 50+ países de duas bases de produção em Zhengzhou e Hefei.
